A dataset of claims and facts in Persian investigated by Factnameh.org

🗃 نوع: #متن

📮 اندازه: 4.16 MB

📖 توضیحات:

این دیتاست شامل ۴۰۲ سطر و ۱۲ ستون است که در مورد نقل قول و ادعاهای افراد مختلف و درست یا غلط بودن آن است. این مجموعه داده مناسب برای تسک‌های دسته بندی است.

📤 برای دریافت داده و کسب اطلاعات بیشتر به لینک زیر مراجعه کنید‌. 👇👇

https://www.kaggle.com/imuhammad/factnameh

لطفا به اشتراک بگذارید👈🏻
@persian_data

مجموعه ایمیل های فارسی برچسب دار

🗃 نوع: #متن

📮 اندازه: 2.95 MB

📖 توضیحات:
این دیتاست شامل هزار ایمیل دارای برچسب اسپم و غیراسپم است. این مجموعه داده مناسب تسک‌های دسته بندی و خصوصا طراحی سیستم تشخیص اسپم هست.

📤 برای دریافت داده و کسب اطلاعات بیشتر به لینک زیر مراجعه کنید‌. 👇👇

https://www.kaggle.com/mohamad1dehqani/persian-spam-email

لطفا به اشتراک بگذارید👈🏻
@persian_data

دیتاست نام اشخاص به زبان فارسی

🗃 نوع: #متن

📮 اندازه: 745 KB

📖 توضیحات:
این دیتاست شامل حدود ۶۰۰۰ هزار اسم فارسی در قالب یک فایل sql است.

📤 برای دریافت داده و کسب اطلاعات بیشتر به لینک زیر مراجعه کنید‌. 👇👇

https://www.kaggle.com/rezaali/dataset-for-names-of-people-in-persian-language

لطفا به اشتراک بگذارید👈🏻
@persian_data

دیتاست ویکی پدیا فارسی شامل تمامی مقالات فارسی

🗃 نوع: #متن

📮 اندازه: 804.48 MB

📖 توضیحات:
دیتاست ویکی پدیا فارسی شامل تمامی مقالات فارسی تا تاریخ ۱۲ مرداد ۱۳۹۹



📤 برای دریافت داده و کسب اطلاعات بیشتر به لینک زیر مراجعه کنید‌. 👇👇

https://www.kaggle.com/miladfa7/persian-wikipedia-dataset

لطفا به اشتراک بگذارید👈🏻
@persian_data

Dataset for teenagers chat in Telegram groups

🗃 نوع: #متن

📮 اندازه: 23.73 MB

📖 توضیحات:
Dataset for teenagers' chat in Telegram groups (Persian)

📤 برای دریافت داده و کسب اطلاعات بیشتر به لینک زیر مراجعه کنید‌. 👇👇

https://www.kaggle.com/rezaali/dataset-for-teenagers-chat-telegram-group-persian

لطفا به اشتراک بگذارید👈🏻 @persian_data

دیتاست نظرات دیجی کالا

🗃 نوع: #متن

📮 اندازه: 18.75 MB

📖 توضیحات:
این مجموعه داده شامل حدود ۱۰۰۰۰۰ هزار نظر در سایت دیجی کالاست که برچسب دار است. این داده مناسب برای تحلیل احساسات و سیستم‌های توصیه‌گر است.

📤 برای دریافت داده و کسب اطلاعات بیشتر به لینک زیر مراجعه کنید‌. 👇👇

https://www.kaggle.com/saeedtqp/persian-digikala-reviwes

لطفا به اشتراک بگذارید👈🏻@persian_data

مجموعه اخبار قدیمی فارسی تمیزشده

🗃 نوع: #متن

📮 اندازه: 5.61 GB

📖 توضیحات:
The HC Corpora was a great resource that contains natural language text from various newspapers, social media posts and blog pages in multiple languages. This is a cleaned version of the raw data from newspaper subset of the HC corpus.


📤 برای دریافت داده و کسب اطلاعات بیشتر به لینک زیر مراجعه کنید‌. 👇👇

https://www.kaggle.com/alvations/old-newspapers

لطفا به اشتراک بگذارید👈🏻 @persian_data

Persian Speech Emotion Detection Database

🗃 نوع: #صوت

📮 اندازه: 1014.24 MB

📖 توضیحات:
The database includes ۳۰۰۰ semi-natural utterances, equivalent to ۳ h and ۲۵ min of speech data extracted from online radio plays.

📤 برای دریافت داده و کسب اطلاعات بیشتر به لینک زیر مراجعه کنید‌. 👇👇

https://www.kaggle.com/mansourehk/shemo-persian-speech-emotion-detection-database

لطفا به اشتراک بگذارید👈🏻 @persian_data

تصاویر ماشین‌های داخل سایت دیوار

🗃 نوع: #تصویر

📖 توضیحات:
یکی از برنامه نویسای باحال لطف کرده و دیتاستی از ماشین‌های ایرانی از سایت دیوار کرال کرده که براساس اسم ماشین پوشه‌بندی شدند.

📤 برای دریافت داده و کسب اطلاعات بیشتر به لینک زیر مراجعه کنید‌. 👇👇

https://github.com/farshadnp/IranianVehiclesPicture

لطفا به اشتراک بگذارید👈🏻@persian_data

pos_persian

🗃 نوع: #متن

📮 اندازه: 3.05 MB

📖 توضیحات:
دیتاست مربوط به part of speech کلمات فارسی (این دیتاست مناسب برای پیش پردازش متون فارسی است)

📤 برای دریافت داده و کسب اطلاعات بیشتر به لینک زیر مراجعه کنید‌. 👇👇

https://www.kaggle.com/miladmolazadeh/pos-prsian

لطفا به اشتراک بگذارید👈🏻@persian_data

تصاویر ارقام دست نویس فارسی

🗃 نوع: #تصویر

📮 اندازه: 29.1 MB

📖 توضیحات:
My first foray into ML was the MNIST data set. I was curious if there existed one with Arab/Farsi numbers and if the process and outcomes would be any different.

📤 برای دریافت داده و کسب اطلاعات بیشتر به لینک زیر مراجعه کنید‌. 👇👇

https://www.kaggle.com/fitnesschum/arab-fari-mnist

لطفا به اشتراک بگذارید👈🏻
@persian_data

Virgool Dataset

🗃 نوع: #متن

📮 اندازه: 58.89 MB

📖 توضیحات:
This is a set of Persian articles gathered from virgool. io

📤 برای دریافت داده و کسب اطلاعات بیشتر به لینک زیر مراجعه کنید‌. 👇👇

https://www.kaggle.com/mehranrafiee/persian-articles-for-labeling

لطفا به اشتراک بگذارید👈🏻 @persian_data

مجموع اشعار فارسی

🗃 نوع: #متن

📮 اندازه: 61.49 MB

📖 توضیحات:
اشعار ۴۸ شاعر ایرانی که مناسب برای تسک هایی مثل سات مدل زبانی و text generator است.

📤 برای دریافت داده و کسب اطلاعات بیشتر به لینک زیر مراجعه کنید‌. 👇👇

https://www.kaggle.com/aminghd/large-corpus-of-farsi-poems

لطفا به اشتراک بگذارید👈🏻@persian_data

✅اگر شما هم به حوزه‌هایی مثل تحلیل داده، مهندسی داده و هوش تجاری علاقه‌مند هستید پس احتمالاً دنبال یک فرصت شغلی مناسب در یکی از این حوزه‌ها هستید. بررسی فرصت‌های شغلی باتوجه‌به تعداد زیاد سایت‌ها کاری زمان‌بر و گاهی کسل‌کننده هست. ما در دیتاجابز به‌صورت مداوم، جدیدترین آگهی‌های شغلی مربوط به حوزه داده را از سایت‌هایی مثل جاباینجا و جاب‌ویژن گردآوری می‌کنیم. هدف ما ساده‌تر کردن کار شما و صرفه‌جویی در زمان شماست.

👉 @data_jobs

✅افراد مختلف به‌راحتی و مستقیماً می‌توانند آگهی‌های شغلی مربوط به کسب‌وکار خودشان را در دیتاجابز درج کنند مثل نمونه فرصت های شغلی مربوط به شرکت هایی مثل اسنپ و شیپور که مستقیما توسط کارکنان این شرکت ها درج شده است.

👉 @data_jobs

✅همچنین برای افراد نوورود حوزه داده هم فکری شده و فرصت‌های کارآموزی پوشش داده می‌شود.

👉 @data_jobs

اعداد فارسی

🗃 نوع: #تصویر

📮 اندازه: 10.61 MB

📖 توضیحات:
Introducing a very large dataset of handwritten Farsi digits and a study on their varieties.
HODA dataset is the first dataset of handwritten Farsi digits that has been developed during an MSc. project in Tarbiat Modarres University ennoscriptd: Recognizing Farsi Digits and Characters in SANJESH Registration Forms. This project has been carried out in cooperation with Hoda System Corporation.

📤 برای دریافت داده و کسب اطلاعات بیشتر به لینک زیر مراجعه کنید‌. 👇👇

https://www.kaggle.com/hamedetezadi/persian-numbers

لطفا به اشتراک بگذارید👈🏻 @persian_data

اطلاعات مربوط به زلزله در ایران

🗃 نوع: #جدولی

📮 اندازه: 913 KB

📖 توضیحات:
Earthquakes, happened in Persian empire, throughout history. It will be helpful for whom searching the patterns of tectonic movements.

📤 برای دریافت داده و کسب اطلاعات بیشتر به لینک زیر مراجعه کنید‌. 👇👇

https://www.kaggle.com/mehrdat/irans-earthquakes

لطفا به اشتراک بگذارید👈🏻@persian_data

Persian Consonant Vowel Combination

🗃 نوع: #صوت

📮 اندازه: 258.41 MB

📖 توضیحات:
This dataset is the first phoneme based speech dataset in the entire world and also the first free Persian speech dataset to help Persian speech researchers. It is not only what you see.

📤 برای دریافت داده و کسب اطلاعات بیشتر به لینک زیر مراجعه کنید‌. 👇👇

https://www.kaggle.com/sabermalek/pcvcspeech

لطفا به اشتراک بگذارید👈🏻 @persian_data

تصاویر حروف فارسی

🗃 نوع: #تصویر

📮 اندازه: 634.92 KB

📖 توضیحات:
There's a story behind every dataset and here's your opportunity to share yours.
۵۰*۵۰ Images of Persian letters (without dots) with ۳۲ Different Fonts.

📤 برای دریافت داده و کسب اطلاعات بیشتر به لینک زیر مراجعه کنید‌. 👇👇

https://www.kaggle.com/sabermalek/plf50

لطفا به اشتراک بگذارید👈🏻@persian_data

متن فارسی کتاب هری پاتر

🗃 نوع: #متن

📮 اندازه: 771.71 KB

📖 توضیحات:
به کمک این دیتاست و تهیه نسخه اصلی کتاب می‌توان یک مجموعه داده مناسب برای ترجمه ماشینی تولید کرد.

📤 برای دریافت داده و کسب اطلاعات بیشتر به لینک زیر مراجعه کنید‌. 👇👇

https://www.kaggle.com/mchavoshi/harry-potter-book1-farsi

لطفا به اشتراک بگذارید👈🏻 @persian_data

قیمت خانه های تهران
نوع: #جدولی

📖 توضیحات:
این دیتاست شامل 12383 سطر با 9 ستون هست که از سایت دیوار گرداوری شده است. این دیتای برای پیش بینی قیمت خانه و اجاره مناسب است.

📤 برای دریافت داده و کسب اطلاعات بیشتر به لینک زیر مراجعه کنید‌. 👇👇
https://www.kaggle.com/amiralimadadi/tehran-housing
لطفا به اشتراک بگذارید👈🏻 @persian_data

این هم لینک پروژه اسکرپ و نوت بوک رگرسیون روی همین دیتاست

https://github.com/amiralimadadi/Divar_WebScrap

https://github.com/amiralimadadi/Regression_TheranHousing